南野小童

摘要： API参考 这是scikit学习的类和函数参考。有关详细信息，请参阅完整的用户指南，因为类和功能原始规格可能不足以给出其使用的完整指导。 sklearn.base：基类和效用函数 所有估计器的基类。 基类 base.BaseEstimator scikit学习中所有估计的基础类 base.Class 阅读全文

摘要： 选择正确的估计 解决机器学习问题的最困难的部分通常是找到合适的工作量。 不同的估计器更适合于不同类型的数据和不同的问题。 下面的流程图旨在给用户一些关于如何处理关于哪些估计器尝试您的数据的问题的粗略指南。 点击下面的图表中的任何一个估计器来查看它的文档。 阅读全文

摘要： 使用文本数据 本指南的目标是探讨scikit-learn 一个实际任务中的一些主要工具：分析二十个不同主题的文本文档（新闻组帖子）集合。 在本节中，我们将看到如何： 加载文件内容和类别 提取适用于机器学习的特征向量 训练线性模型进行分类 使用网格搜索策略来查找特征提取组件和分类器的良好配置 教程设置 阅读全文

摘要： 模型选择：选择估计量及其参数 得分和交叉验证的分数 如我们所看到的，每个估计者都会公开一种score可以判断新数据的拟合质量（或预测）的方法。越大越好。 >>> >>> from sklearn import datasets, svm >>> digits = datasets.load_digi 阅读全文

摘要： 统计学习：scikit学习中的设置和估计对象 数据集 Scikit学习处理来自以2D数组表示的一个或多个数据集的学习信息。它们可以被理解为多维观察的列表。我们说这些阵列的第一个轴是样本轴，而第二个轴是 特征轴。 scikit：iris数据集附带的一个简单示例 >>> >>> from sklearn 阅读全文